OpenCV如何实现车辆识别和运动目标检测
导读:本文共4190字符,通常情况下阅读需要14分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要:希望大家仔细阅读,能够学有所成!一:车辆识别成果展示二:车辆识别超详细步骤解析步骤一:灰度化处理灰度处理目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小效果展示:【避免内存浪费 帧差法对前后帧图像灰度化处理】//1灰度处理目的RGB三通道转灰度单通道压缩到原图片三分之一大小cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一帧灰度化处理cvtC... ...
目录
(为您整理了一些要点),点击可以直达。希望大家仔细阅读,能够学有所成!
一:车辆识别成果展示
二:车辆识别超详细步骤解析
步骤一:灰度化处理
灰度处理目的 RGB三通道转灰度单通道 压缩到原图片三分之一大小
效果展示:【避免内存浪费 帧差法对前后帧图像灰度化处理】
//1灰度处理目的RGB三通道转灰度单通道压缩到原图片三分之一大小
cvtColor(frontFrame,frontGray,CV_RGB2GRAY);//前一帧灰度化处理
cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//后一帧灰度化处理
//imshow("frontGray",frontGray);//测试
//imshow("afterGray",afterGray);//测试
步骤二:帧差处理
帧差处理目的 找到帧与帧之间的差异(正在运动的物体)
效果展示:【运动目标的检测:运动事物显示灰度,静止事物显示黑度】
//2帧差处理目的找到帧与帧之间的差异(正在运动的物体)
Matdiff;
MatfrontGray,afterGray;
absdiff(frontGray,afterGray,diff);//前后帧对比存于diff中
imshow("diff",diff);//测试
步骤三:二值化处理
二值化处理 目的 将灰度图继续识别转换为黑白分明的图像
效果展示:【步骤二中运动事物显示灰度,静止事物显示黑度,在这里进行二值化处理,能够黑白分明,便于计算机识别运动目标,如下右图二值化处理后黑白分明】【缺点:存在白色噪点,如下右图除了车辆外后面的背景也显示白度,这就是白色噪点,需要去除】
//3二值化处理目的将灰度图继续识别转换为黑白分明的图像
threshold(diff,diff,25,255,CV_THRESH_BINARY);
imshow("threshold",diff);//测试
步骤四:图像降噪
4-1 腐蚀处理 目的 去除白色噪点
效果展示:【步骤三中存在的白色噪点能够去除,但是在去除白色噪点的同时,也影响了车辆的白度显示,如下右图可以看出,车辆白度显示有所降低,因此还是需要改进】
//4图像降噪
//4-1腐蚀处理目的去除白色噪点
Matelement=cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
erode(diff,diff,element);
imshow("erode",diff);//测试
4-2 膨胀处理 目的 把白色区域变大
效果展示:【如下右图,将车辆形状大致显示,便于框选车辆识别操作】
//4-2膨胀目的把白色区域变大
Matelement2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
dilate(diff,diff,element2);
imshow("dilate",diff);//测试
步骤五:提取关键点 框选运动目标检测
效果展示:车辆识别成功
//5提取关键点
//5-1查找特征点
vector<vector<Point>>contours;
findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));//5-2提取关键点
vector<vector<Point>>contours_poly(contours.size());
vector<Rect>boundRect(contours.size());//5-3确定下四个点来用于框选目标物体
intx,y,w,h;
intnum=contours.size();
for(inti=0;i<num;i++)
{
approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
//多边拟合
boundRect[i]=boundingRect(Mat(contours_poly[i]));
x=boundRect[i].x;
y=boundRect[i].y;
w=boundRect[i].width;
h=boundRect[i].height;
//绘制矩形
rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
}
三:车辆识别完整代码
#include<iostream>include<opencv2/opencv.hpp>
usingnamespacestd;
usingnamespacecv;MatmoveCheck(Mat&frontFrame,Mat&afterFrame)
{
MatresFrame,diff;
MatfrontGray,afterGray;//克隆当前帧画面返回最终结果
resFrame=afterFrame.clone();//1灰度处理目的RGB三通道转灰度单通道压缩到原图片三分之一大小
cvtColor(frontFrame,frontGray,CV_RGB2GRAY);
cvtColor(afterFrame,afterGray,CV_RGB2GRAY);//imshow("frontGray",frontGray);
//imshow("afterGray",afterGray);//2帧差处理目的找到帧与帧之间的差异(正在运动的物体)
absdiff(frontGray,afterGray,diff);
//imshow("diff",diff);//3二值化处理目的将灰度图继续识别转换为黑白分明的图像
threshold(diff,diff,25,255,CV_THRESH_BINARY);
//imshow("threshold",diff);//4图像降噪
//4-1腐蚀处理目的去除白色噪点
Matelement=cv::getStructuringElement(MORPH_RECT,Size(3,3));//小于3*3方块的白色噪点都会被腐蚀
erode(diff,diff,element);
//imshow("erode",diff);//4-2膨胀目的把白色区域变大
Matelement2=cv::getStructuringElement(MORPH_RECT,Size(20,20));
dilate(diff,diff,element2);
//imshow("dilate",diff);//5提取关键点
//5-1查找特征点
vector<vector<Point>>contours;
findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));//5-2提取关键点
vector<vector<Point>>contours_poly(contours.size());
vector<Rect>boundRect(contours.size());//5-3确定下四个点来用于框选目标物体
intx,y,w,h;
intnum=contours.size();
for(inti=0;i<num;i++)
{
approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
//多边拟合
boundRect[i]=boundingRect(Mat(contours_poly[i]));
x=boundRect[i].x;
y=boundRect[i].y;
w=boundRect[i].width;
h=boundRect[i].height;
//绘制矩形
rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,0,255),2);
}returnresFrame;
}intmain(intargc,char*argv[])
{
Matframe;
Mattemp;
Matres;
intcount=0;VideoCapturecap("D:/00000000000003jieduanshipincailliao/carMove.mp4");//视频路径
while(cap.read(frame))
{
count++;
if(count==1)
{
res=moveCheck(frame,frame);
}
else
{
res=moveCheck(temp,frame);
}
imshow("frame",frame);
imshow("res",res);//最终车辆识别成果
temp=frame.clone();
waitKey(15);
}
return0;
}
当然,夜晚的车辆也能够正常识别
不过,本次的帧差法的车辆识别存在弊端,只要是运动的物体都会识别,比如,博主打开摄像头,动一动手指头,也会被框选识别,因此是有一定弊端的
OpenCV如何实现车辆识别和运动目标检测的详细内容,希望对您有所帮助,信息来源于网络。